Mindslab于27日宣布,其通过自主研究开发的多语言AI Human相关论文被2022 CVPR Demo Track录用。CVPR是计算机视觉及机器学习/深度学习领域全球最大的国际学术会议。通过此次论文公开的“多语言AI Human”技术与其他公司技术不同,在保持特定人物的发声特征、面部动作的同时,同步进行语音生成与影像生成,尤其是仅凭2小时的韩语数据便可发出4种语言的技术为世界首创。论文基于可在保持特定人物发声特征的前提下生成多语言语音的多语言语音合成(Text-To-Speech, TTS)技术,以及生成发出多语言语音的人物影像(Talking Face Generation)技术,展示了多语言发声影像生成演示。由此,用户只需输入韩语、英语、汉语、日语4种语言中任一语言的文本,即可轻松获得发出该文本的影像。特别是此次公开的系统在搭载高性能GPU的台式机环境下,展现出每秒生成30张图像的性能。此外,除被选为演示论文的多语言AI Human相关论文外,Mindslab所属研究员参与的基于Transformer的图像生成模型研究论文同样被CVPR录用。该研究结合了现有对抗生成网络中具代表性的StyleGAN模型与近来在计算机视觉领域被积极研究的Transformer模型的优点,新提出名为StyleFormer的模型,以FID(Frechet Inception Distance)为标准,表现优于以其他深度学习模型生成的图像。Mindslab自2020年起,与语音、图像、影像相关的论文持续被InterSpeech、NeurIPS等机器学习/深度学习领域国际学术会议及卫星会议录用,人工智能领域的研究成果不断积累。进入2022年,除CVPR学会外,与语音转换(Voice Conversion)相关的自主研究被信号处理学会ICASSP录用,近期图像识别相关论文也被PR等期刊录用。Mindslab研究团队首席研究员宋亨圭表示:“以此次研究为起点,今后也将通过高品质图像生成研究,打造更加接近真人的AI Human。”CVPR将于6月19日(周日)至6月24日(周五)在美国路易斯安那州新奥尔良举行。
2022-04-28 | 김동호 기자
Mindslab AI Human自主研究成果 入选全球最大人工智能国际学术会议CVPR演示论文
本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。






